售电量分析预测方法研究

严斌

摘要：本文深入研究售电量分析预测的概念及主要影响因素，探讨售电量分析预测的主要方法，根据大工业占售电量比重大及月间电量相关性，探索出一种在日常工作中行之有效的售电量分析预测方法。

关键词：售电侧改革;分析预测;大工业增量与月间相关结合法

随着我国电力体制改革的不断深入，电力市场环境也逐步发生变化。特别是中发[2015] 9号文明确提出“有序向社会资本放开售电业务，鼓励社会资本投资成立售电主体”，这就意味着电网公司售电市场面临的竞争逐步加剧。因此，采用合适有效的方法对售电量进行分析预测显得尤为重要。

1 售电量分析预测的概念及主要影响因素

1.1售电量分析预测的概念

售电量分析预测是根据经济、社会、气象、市场等历史数据，探索售电量历史数据变化规律对未来售电量的影响，寻求售电量与各种相关因素之间的内在联系，从而对未来的售电量进行科学的预测[1-2]。

1.2 影响售电量分析预测的主要因素

影响售电量的因素很多，主要包括经济发展战略目标、产业发展和布局以及相应的经济政策、经济调控措施、电价政策、主要行业产能及用电波动情况、重点大客户用电生产情况、新投产客户、自备电厂及自供区、气象、节假日、日历天数等[3-4]。通过掌握动态社会、经济、气象和用电等基础数据，分析宏观因素对电力、电量需求影响，分析突发事件对电力市场供需关系的影响以及气温、水情变化引起用电特性的变化等，考虑实际情况和资料可利用程度，对多种方法得出的预测结果进行比较和综合分析，根据经验和常识以及其他变量因素进行判断，对预测结果进行适当修正，得到最终的售电量预测结果。

2 售电量分析預测方法

2.1常用售电市场分析预测方法

2.1.1平均增长率法

平均增长率法是根据过去多年来的电量增长情况，计算出平均增长率，并假定以后每年的电量增长趋势与过去相同，从而预测今后某年电量的预测方法。计算公式为：

An=Am（1+K）n-m（1）

（式中：An—第n年电量;Am—第m年电量（基准年）;K—从m年到n年的平均增长率率）

平均增长率法预测售电量的优点是计算简单，但是因为所参考的电量只有区间中第一年和最后一年的，没有考虑到中间年份电量的变化关系，所以不能准确跟踪电量变化趋势，误差比较大。该方法可用于电量变化趋势比较平滑，一般不会发生突变的用电类别。在实际工作中，可用于预测商业用电、居民用电、非普工业用电等类别。

2.1.2月间相关法

逐月电力市场存在较为明显的季节规律，经济和生产状况在短期内都存在较强的惯性，次月的电力市场与上月的电力市场之间也密切相关。因此，分月售电量多采用月间相关法。形式如下：

1）日历天数电量预测法

本月电量=上月售电量×（本月天数/上月天数）       （2）

2）占年售电量比重法

本月电量=某月电量/某月历年平均比重×本月历年平均比重                                                      （3）

该方法可用于测算一个月、几个月或者一个季度、半年等的售电量情况。方法纵向考虑了各月（几个月、季度、半年）的固定规律（体现在相对固定的比重），也横向考虑了当年的实际情况（预测公式中含当年已发生月份的实际电量），在做短期预测时准确率较高。但“占年售电量比重法”涉及到的数据量较大，操作起来较为复杂。

2.1.3大工业比重法

日常工作中已对大工业企业存量及增量客户进行了密切跟踪，大用户数据相对更易获得，把握住大工业售电量也就基本把握了全口径售电量。因此，采用大工业比重预测法预测售电量是较为准确可行的预测方法。

具体预测方法如下式：

全口径售电量=（大工业增量电量+大工业存量电量）/大工业比重                                                 （4）

该方法一般用于预测年度大工业售电量、年度售电量，主要把握大工业售电在全口径售电量占决定性因素的特点，通过跟踪大工业用户，获得来年售电情况的预测。该方法需要预测人员有较丰富的预测经验和较敏锐的洞察能力。

2.1.4大工业增量与月间相关结合法

根据大工业售电在售电量占决定性因素的特点，日常工作对新投产及停运大客户进行密切跟踪，以便获取大用户用电数据，加之电力市场存在较为明显的季节规律，比对月间相关法中“日历天数电量预测法”预测的电量值，结合新投产及停运大客户引起的电量变化，最终得出售电量预测值。具体做法为：首先利用电力用户用电信息采集系统建立大客户档案群，而后获取重点用户日用电量数据。根据抄表例日，将上月及本月（截止到预测日）的重点用户日用电数据导出，对比本月与上月大工业用电量差值，考虑新投产及停运大客户产生的影响，结合日历天数电量预测法，得出当月售电量预测值。

3 实例

利用采集系统，将某供电公司2018年10月抄表日及11月（截止11月20日）重点用户电量数据导出：9月28日至10月27日总电量为5.1846亿千瓦时，10月28日至11月20日电量为4.1725亿千瓦时。

由导出数据可知，10月份重点用户电量总和约为5.1846亿千瓦时，11月（截止20日，共24天）重点用户电量总和约为4.1725亿千瓦时，平均每天电量值为0.1738亿千瓦时，考虑到日历天数及抄表习惯，11月实际抄的是10月电量，故后面7天每天量暂按0.1738亿千瓦时来计算，最后得出11月重点用户电量总和约为5.3890亿千瓦时，比10月份多约0.2000亿千瓦时。考虑到11月大客户生产较稳定（计算重点用户电量时已考慮存量大工业检修情况），气温也较为平稳，没有大型新增项目，已知10月份全口径售电量为9.2123亿千瓦时，故预测11月份全口径售电量为9.4123亿千瓦时;按照月间相关法中“日历天数电量预测法”预测11月份全口径售电量=10月份全口径售电量×31÷30=92123.27×31÷30=9.5194（亿千瓦时）。取大工业增量与月间相关法预测值的平均值作为11月全口径售电量最终预测值=（9.4123+9.5194）÷2=9.4659（亿千瓦时），11月实际全口径售电量为9.4780亿千瓦时，预测准确率达99.87%。

该方法适用于短期月度电量预测，只需日常对大客户进行紧密跟踪（如采集系统某大客户电量某天突然为零，要明确实际中它确实为零，以排除采集系统误采数据的可能），加上月间相关法中“日历天数电量预测法”，既充分考虑了企业实际生产经营过程，又横向考虑了月间电量的相关性，简单有效，是日常工作中行之有效的一种售电市场分析预测方法。

4 结束语

电力体制改革的深入必将对电网公司售电市场产生很大的冲击，选取简单有效的方法对售电市场进行分析预测至关重要。根据不同用电类别的用电特点，可选取不同的方法按月度、季度或者年度对售电市场进行分析预测。大工业增量与月间相关结合法只需对地区大工业生产情况进行跟踪，利用采集系统建立大客户档案群并对其电量数据进行跟踪分析，操作简单，预测准确率高，在日常工作中预测短期月间电量具有很高的应用价值。

参考文献

[1]牛东晓，曹树华，赵磊，等.电力负荷预测技术及其应用[M].北京：中国电力出版社，1998.

[2]康重庆，夏清，刘梅.电力系统负荷预测[M].北京：中国电力出版社，2007.

[3]谭风雷，张兆军，朱超，等.一种改进的指数平滑负荷预测方法研究[J].电力需求侧管理，2016，18（6）：22-26.

[4]丁晓，孙虹，郑海雁，等.基于配用电大数据的短期负荷预测[J].电力工程技术，2018，37（3）：21-27.